纤锌矿铁电材料自发极化强度的本征影响因素

作     者：康瑶 陈健 童祎 王新朋 段坤 王嘉琪 王旭东 周大雨 姚曼 KANG Yao;CHEN Jian;TONG Yi;WANG Xinpeng;DUAN Kun;WANG Jiaqi;WANG Xudong;ZHOU Dayu;YAO Man

作者机构：大连理工大学材料科学与工程学院大连116081 苏州实验室苏州215123 

基　　金：国家自然科学基金(批准号:51974056,51474047,52472120) 中央高校基本科研业务费(批准号:DUT24LAB117) 苏州实验室科研项目(批准号:SK-1202-2024-012)资助的课题 

出 版 物：《物理学报》 (Acta Physica Sinica)

年 卷 期：2025年第74卷第2期

页      码：54-64页

摘      要：自发极化强度是衡量铁电材料极化能力的关键指标.新兴的纤锌矿铁电材料因较高的自发极化而受到广泛关注,但目前对影响这一性质的关键因素的理解仍然不足.本文旨在通过结合机器学习和第一性原理方法来解决这一问题.首先,计算了40种二元和89种简单三元纤锌矿材料的自发极化强度,并从元素基本属性、晶体结构参数和电子性质中提取了多种特征.随后,采用Boruta算法和距离相关系数分析方法进行特征筛选,提出了一个全面而精确的纤锌矿材料自发极化强度的机器学习预测模型.进一步借助SHapley Additive exPlanations分析方法,阐明了影响自发极化强度的关键因素是阳离子离子势的均值IPi_Aave和晶胞参数a等.本研究弥补了目前对自发极化强度多因素的影响机制理解的缺乏,为系统评估新兴纤锌矿材料的自发极化强度提供了帮助,有助于加快性能优异的纤锌矿铁电材料的筛选.本文数据集可在https://***/10.57760/sciencedb.j00213.00073中访问获取.

主 题 词：纤锌矿铁电材料 自发极化强度 机器学习 第一性原理 

学科分类：0401[教育学-教育学类] 04[教育学] 

核心收录：

D　O　I：10.7498/aps.74.20241520

馆 藏 号：203156357...